如何在瞬息萬變的賽道裏找到確定性，真正地實現降本增效？從消費互聯網轉向產業互聯網時代，行業面臨的問題是什么？如何解決產業效率問題？產業應用進入3.0時代，大模型還有哪些點需要突破？大模型未來在產業領域的發展方向是什么？

7月13日，京東集團在北京召开的“2023京東全球科技探索者大會暨京東雲峰會”上，給出了新思考。

2023京東全球科技探索者大會暨京東雲峰

同時，會上京東正式推出了應用於產業領域的大模型——京東言犀大模型及言犀 AI 开發計算平台。此外，深入具體場景，京東展示了應用於零售、金融等行業的大模型、應用醫療領域的慧醫千詢以及京慧3.0供應鏈管理平台。

一、大模型扎根產業：在不確定性中找到確定性

供應鏈範式導讀：

消費行業賽道出現了玩家多樣化、渠道多元化的特點，在衆多的不確定性當中確定的道路，就是產業和數字的數實結合。

京東集團CEO許冉：相信越來越多的嘉賓和同事都會感受到產業降本增效轉型升級的迫切的需求和動力。當前，宏觀經濟和消費需求仍處在恢復性的爬坡期，人口結構、生活習慣和消費方式也在發生着變化。消費的行業賽道也出現了玩家多樣化、渠道多元化的特點，整個傳統產業的轉型升級的需求迫在眉睫。

轉向產業數字化的領域，隨着AI技術智能大模型的推進，整個行業的競爭格局越來越復雜，正面臨着更多的不確定性。然而，在衆多的不確定性當中，有一個非常確定的道路，那就是產業和數字的數實結合。數字技術作爲全球科技變革產業變革的重要驅動力，對傳統產業的轉型升級，實體經濟的降本增效發揮了重大的作用，也創造了巨大的想象空間。在這個過程中也帶來了一系列企業的高質量發展。京東就是在其中高質量發展的重要案例之一。可以看到，京東是一個非常具有自身特色的企業，是一家兼具實體經濟屬性和數字化能力的公司，我們會在產業的數字融合過程中發揮重要的獨特的作用。

供應鏈範式導讀：

數實結合是京東技術探索的重點、供應鏈鏈條越長，數據相關性更高，大模型更有價值。

京東集團技術委員會主席、京東雲事業部總裁曹鵬：人工智能與產業的結合一直是京東技術探索的重點。在零售場景，京東超85%的商品都能夠靠系統自動補貨完成。在物流場景，揀貨員與“天狼“地狼”機器人配合，大幅提升揀貨效率。服務場景，京東智能客服可以自動化應答90%的服務咨詢。作爲一家新型實體企業，我們更多思考的是大模型如何與實體結合。

供應鏈產業鏈上的大模型更有價值，因爲供應鏈的鏈條越長，帶來的數據相關性更高。相關性高的訓練數據越多，模型越大，訓練出來的模型越有可能在終端實現智能的湧現。同時這些模型更切實地解決實際場景中的問題，具體場景的效果越好，越能創造更大的經濟價值和社會價值，越有助於我們去拿到更多的資源，也有助於模型的持續的發展。

二、打破信息孤島 智能服務已覆蓋供應鏈全流程

供應鏈範式導讀：

消費互聯網向產業互聯網的轉型和發展的階段，泛零售行業要解決交易效率的問題。

京東零售智能供應鏈Y業務部高級總監劉丹萍：近年來，伴隨着消費互聯網向產業互聯網的轉型和發展，各行各業都面臨着全新的挑战和機遇。對於整個泛零售行業而言，在消費互聯網時代，主要解決的是交易效率的問題，如何幫消費者找到正確的商品，提供高效的交易服務和履約服務。但是到了產業互聯網時代，需要解決的是產業效率的問題，需要深入到決策、生產、流通，這鏈路更長也更復雜。

在這個過程中我們也發現在泛零售行業存在着非常多的問題，諸如信息孤島，數據協同效率低下，整個生產消費端供需不平衡，供應鏈運營的不平穩，甚至說運營成本也居高不下等等。尤其是受到近幾年的一些外部的影響，這些問題更加突出，亟待解決。

供應鏈範式導讀：

解決了信息孤島，京東將超過1000萬商品sku的整體庫存周轉天數壓縮到了近30天。

京東集團副總裁、京東科技產品與解決方案總裁高禮強：面向未來的智能化轉型，關鍵的是應用場景，有豐富的場景、觸點、高交付高質量數據的產品，必將是智能化優先落地的領域。零售行業復雜供應鏈環節和場景是通過智能化來提升效率的絕佳战場，所以數據和智能將能夠實現供應鏈數據的實時共享和流程的協同優化，同時基於前端的需求，縮短供應鏈的環節，大幅提高效率。

過去20年，京東在供應鏈全鏈路的管理實战當中解決了信息孤島、數據協同、低效生產、消費供需不平衡，供應鏈鏈路不穩定，運營成本高等衆多的難題，將超過1000萬商品sku的整體庫存周轉天數壓縮到了近30天。

供應鏈範式導讀:

在零售的場景當中，智能服務已經覆蓋了售前、售中到售後的全流程,全面降低運營成本。

京東集團副總裁、京東科技產品與解決方案總裁高禮強：智能化在用戶交互、活動運營、客戶服務的全流程都帶來了驚喜的變化，這些變化包括更低的運營成本與營銷成本、更高的效率和更好的體驗。

首先，在更低的運營成本與營銷成本上，很多傳統的營銷工作，今天已經被智能化的方式所替代，AIGC的工具已經可以自動生成文章、視頻、音頻、圖片等營銷內容，在衆多的場景當中可以使用數字人來替代人工，降低運營成本，增加了品牌的市場競爭力。其次，在更高的效率上，有大模型和數據平台能力的加持，從輸出數據到輸出知識，我們支持更加精准高效的營銷活動，高效的實現了公域拉新和私域運營系統，無縫的連接互通客流信息流，形成新的轉化鏈路，提升粉絲會員和高淨值用戶的一個增長。最後，更好的體驗，在零售的場景當中，智能服務已經覆蓋了售前、售中到售後的全流程，爲企業創造更多的溝通機會，並且提供更個性化的服務，贏得消費者的好感和信賴。

三、產業應用進入3.0階段，大模型還需哪些突破？

供應鏈範式導讀：

大模型市場和技術格局的破局點不只在技術上的追趕，而是如何在產業上得到突破。

京東探索研究院院長、京東科技智能服務與產品部總裁何曉冬:站在現在這個時間節點，大模型市場和技術格局真正的破局點可能還不只在於技術上進一步的追趕，而是在產業上如何真正的得到突破。產業上的突破才能夠有持續的應用價值，這是我們真正需要關注的。

人工智能有三要素——算力、數據、算法，當大模型技術落地產業的時候，除三要素之外，還有更多具體的問題要加以解決。首先，大模型是不是對行業有深度支持、深度了解、深度Know-how。其次，大模型生成的內容是否可靠、可信、可用？再其次，能不能高效的、快速的迭代大模型，在部署中持續優化，使其在各行各業中得到更的廣泛應用，當然還有安全可信可控等問題。

解決這些問題，意味着大模型包括AI三要素都需要做一個提升,比如說當前最關鍵的是場景化的數據。應用場景之下，在使用中能夠得出更多的數據，特別像交互式數據這種活的、動態的數據，可以爲大模型進一步提升做行業支持、對提升行業性能起到了關鍵作用。另一方面，在技術上我們不光只專注於單點的算法的提升，更關心的是多算法的融合，多功能、多任務的協同。在系統和產品層面真正做到一個端到端的系統的可用性，在產品層面跟用戶更多交流和互動得到更多數據反饋，當然算力也會進一步的提升。

模型到了今天這個程度，已經不是一張單卡和單機能放下的，那么我們必然要考慮到大規模分布式的、高效的計算和集成，使得新型的算力支持大模型的需求。

供應鏈範式導讀：

產業應用隨之進入到3.0的階段，未來，企業只需要擁有一個智能的前端，就能夠處理衆多的服務難題。

京東集團副總裁、京東科技產品與解決方案總裁高禮強：隨着GPT等新一代人工智能技術發展，產業應用隨之進入到3.0的階段。我們回顧1.0的階段，它是以ERP、 CRM爲代表的產業應用，主要是以標准化的任務流程來驅動系統建設，實現企業作業效率的提升。但是很遺憾，這些系統以數據來推動決策的能力始終是一塊短板。產業應用的2.0階段，以數據中台技術中台建設作爲代表，將分散的系統數據和服務匯聚，實現能力共享，以數據來支持決策帶來了極大的運營效率的提升。但同時可以觀察到，企業要做到從海量數據中挖掘出有價值的內容，是需要依賴高素質的從業人員，甚至是服務企業，並且要承擔極高的挖掘成本。

如今邁向了產業應用3.0時代，GPT等新一代人工智能技術正在解決上升的問題。我們通過大部分的算法來實現信息的極度壓縮，輸出高質量的知識服務產業應用。可以展望未來，企業只需要擁有一個智能的前端，就能夠處理衆多的服務難題。

目前，把大模型的能力運用到產業領域的場景當中還需要深度的調優和二次訓練，由於樣本少，數據的分布不均勻，要想實現垂直領域的智能湧現，還需要持續高質量的數據積累。要解決這一難題，擁有兩大能力對於企業來說至關重要，一方面要擁有更加強大的數據平台來支持更多維度的行業數據管理，另一方面要有更強的智能交互能力，加速積累各自行業的專有數據，數據平台，不斷實現知識的輸出，智能平台不斷反饋高質量的協同數據，二者形成正循環的增長飛輪，才能夠實現高質量的行業智能應用。【End】

本文作者可以追加內容哦 !